Pandas 两个分组的 DataFrame 列的简单关联

有没有一种好方法来获取两个分组的 DataFrame 列的简单关联？

看来无论熊猫怎样.corr()函数想要返回一个相关矩阵。例如。，

i = pd.MultiIndex.from_product([['A','B','C'], np.arange(1, 11, 1)], names=['Name','Num'])
test = pd.DataFrame(np.random.randn(30, 2), i, columns=['X', 'Y'])
test.groupby(['Name'])['X','Y'].corr()

returns

               X         Y
Name                      
A    X  1.000000  0.152663
     Y  0.152663  1.000000
B    X  1.000000 -0.155113
     Y -0.155113  1.000000
C    X  1.000000  0.214197
     Y  0.214197  1.000000

但显然我只对非对角线项感兴趣。计算四个值然后尝试选择我想要的值似乎很笨拙，如下所示

test.groupby(['Name'])['X','Y'].corr().ix[0::2,'Y']

to get

A     X    0.152663
B     X   -0.155113
C     X    0.214197

我期待类似的东西test.groupby('Name')['X'].corr('Y')工作，但它没有，当你通过系列本身时（test['Y']）它变得更慢。在这一点上，似乎 apply 是最好的选择：

test.groupby('Name').apply(lambda df: df['X'].corr(df['Y']))
Out: 
Name
A   -0.484955
B    0.520701
C    0.120879
dtype: float64

这会迭代每个组并在每个分组的 DataFrame 中应用 Series.corr。差异是由于没有设置随机种子而产生的。